Queimadas acidentais em campo em Santa Maria - RS

Texto

(1)UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS RURAIS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA. QUEIMADAS ACIDENTAIS EM CAMPO EM SANTA MARIA - RS. TESE DE DOUTORADO. Luciane Flores Jacobi. Santa Maria, RS, Brasil 2007. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(2) © 2007 Todos os direitos autorais reservados a Luciane Flores Jacobi. A reprodução de partes ou do todo deste trabalho só poderá ser com autorização, por escrito, do autor. Endereço: Rua Osório Quadros Sobrinho, n. 225, Bairro Camobi, Santa Maria, RS, 97110815 Fone (0xx)553225-3772; End. Eletr.: lfjacobi@yahoo.com.br. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(3) QUEIMADAS ACIDENTAIS EM CAMPO EM SANTA MARIA - RS. por. Luciane Flores Jacobi. Tese apresentada ao Curso de Doutorado do Programa de Pós-Graduação em Agronomia, da Universidade Federal de Santa Maria (UFSM, RS), como requisito parcial para obtenção do grau de Doutor em Agronomia.. Orientador: Profº Dr. Alessandro Dal’Col Lúcio. Santa Maria, RS, Brasil 2007. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(4) Universidade Federal de Santa Maria Centro de Ciências Rurais Programa de Pós-Graduação em Agronomia. A Comissão Examinadora, abaixo assinada, aprova a Tese de Doutorado. QUEIMADAS ACIDENTAIS EM CAMPO EM SANTA MARIA - RS. Elaborada por Luciane Flores Jacobi. Como requisito parcial para obtenção do grau de Doutor em Agronomia COMISSÃO EXAMINADORA:. Alessandro Dal’Col Lúcio, Dr. (Presidente/Orientador). Sidinei José Lopes, Dr. (UFSM). Lindolfo Storck, Dr. (UFSM). Alberto Cargnelutti Filho, Dr. (UFRGS). Adriano Mendonça Souza, Dr. (UFSM). Santa Maria, 15 de junho de 2007.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(5) Ao meu esposo Elton, e aos meus filhos Otávio e Natália. Obrigado por mais uma vez compreenderem minha ausência.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(6) AGRADECIMENTOS. Ao término desse trabalho, agradeço:. ao meu orientador, Profº Alessandro Dal’Col Lúcio, pelo acompanhamento, ensinamentos, paciência e dedicação durante este trabalho; aos meus co-orientadores, Profºs Lindolfo Storck e Sidinei José Lopes, pela atenção e dedicação para execução desta pesquisa; aos membros da banca examinadora, pela contribuição e sugestões dadas a este trabalho; aos bolsistas Lorena Vicini, Mara Rubia Machado Couto, Rodrigo Macedo de Campos e Murylo Wehner Flores, pela coleta e digitação dos dados, pela companhia, amizade e força transmitidas no decorrer dessa caminhada; ao 4º Comando Regional de Bombeiros pela disponibilidade; ao Programa de Pós-Graduação em Agronomia, pela oportunidade; a todos que, de alguma forma, partilharam deste trabalho, o meu carinho.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(7) RESUMO Tese de doutorado Programa de Pós-Graduação em Agronomia Universidade Federal de Santa Maria. QUEIMADAS ACIDENTAIS EM CAMPO EM SANTA MARIA - RS AUTOR: LUCIANE FLORES JACOBI ORIENTADOR: ALESSANDRO DAL’COL LÚCIO Data e Local da Defesa: Santa Maria, 15 de junho de 2007 A vegetação campestre, predominante no Rio Grande do Sul, bem como todos os demais tipos de formações vegetais, pode ser considerada um sistema dinâmico sujeito a uma série de agentes de perturbações. O fogo costuma ser citado como um destes, podendo ser de causa natural ou provocado pelo homem. As queimadas casuais são resultantes, em especial, de descargas elétricas da atmosfera. Queimas provocadas podem apresentar-se controladas ou não e costumam estar vinculadas ao manejo de áreas utilizadas em fins agropecuários. Desta forma, esta pesquisa teve como objetivos realizar um estudo de queimadas acidentais em campo para identificar, caracterizar e localizar os locais de maiores ocorrências dessas na cidade de Santa Maria - RS com intuito de auxiliar no planejamento e controle de incêndios, relacionar o número de queimadas com os elementos meteorológicos para identificar as condições mais propícias à ocorrência desse evento. A variável de interesse (resposta), neste estudo, foi o número de chamadas recebidas por dia pelo Corpo de Bombeiros de Santa Maria, obtidas dos seus fichários, no período de 1º de janeiro de 1993 a 31 de dezembro de 2004. Essa variável foi explicada por elementos meteorológicos, como: temperatura máxima e mínima, umidade relativa do ar coletada às 9 h, às 15 h e às 21 h, insolação, precipitação e velocidade média do vento do dia de sua ocorrência e pelo número de dias sem precipitação pluviométrica, anteriores ao da ocorrência da variável de interesse. Verificou-se que em média o Corpo de Bombeiros recebia 1,81 chamadas diárias. Antes da ocorrência de uma chamada, não chovia, em média, a quatro dias, e a grande maioria das chamadas eram no período da tarde e para as margens das rodovias que circundam a cidade, principalmente na RS 287, rodovia com margens pouco habitadas. O mês em que ocorreu o maior número de chamadas ao Corpo de Bombeiros foi agosto, sendo o ano de 1999 o que acumulou maior ocorrência de queimadas. Além disso, o número de chamadas distribuem-se equivalentemente nos dias de semana. A partir dos quartis, determinou-se os bairros do município com grande, média e poucas chances de ocorrência de queimadas, sendo que as margens das rodovias e os bairros Distrito Industrial, Medianeira, Itararé, Tomazzetti e Parque Pinheiro Machado foram as áreas com maiores chances de ocorrência de queimadas. Determinada a correlação entre a variável dependente e todas as variáveis independentes, verificou-se que a mais correlacionada com o número de chamadas recebidas pelo Corpo de Bombeiros foi a umidade relativa média. A avaliação dos pressupostos dos vinte e quatro modelos testados, revelou que em todos eles as pressuposições foram violadas, não sendo portanto, adequados à previsão da variável independente. Palavras-chave: manejo agropastoril, fatores meteorológicos, regressão linear múltipla.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(8) ABSTRACT Doctorate thesis Post-graduation Program in Agronomy Santa Maria Federal University ACCIDENTAL FIELD BURNS IN THE COUNTY OF SANTA MARIA – RS, BRAZIL AUTHOR: LUCIANE FLORES JACOBI ADVISOR: ALESSANDRO DAL’COL LÚCIO Place and Date of defense: Santa Maria, June 15th 2007. The predominant campestral vegetation in the state of Rio Grande do Sul, as well as all types of vegetal formations, may be considered as a dynamic system subject to several disturbance agents. Fire is frequently mentioned as one of them, and may present natural or anthropic causes. Occasional burns are mainly a result of electric discharges from the atmosphere. Intentional burns may be controlled or not and are usually associated to the management of areas aimed at agriculture and cattle raising activities. Thus, the objective of this research was to perform a study on accidental field burns in order to characterize and to identify places of higher burn incidence in the county of Santa Maria – RS, Brazil, and to aid in the planning and control of fires, correlating the number of burns with meteorological elements in order to identify the most propitious conditions for the occurrence of these events. The interest variable (response) in this study was the number of daily calls received by the Santa Maria Fire Brigade obtained from its records within the period from January 1st 1993 to December 31st 2004. This variable was explained by meteorological elements such as: maximum and minimum temperature; relative air humidity measured at 9:00am, 3:00pm and 9:00pm; insolation; rain precipitation and average wind velocity at the day of occurrence and by the number of days without any pluviometric precipitation before the occurrence of the interest variable. It was verified that the Fire Brigade received 1.81 daily calls, on average; that the call was preceded by a dry period of four days on average, and that most burns occurred in the afternoon and at the almost uninhabited RS 287 highway alongside region. The month in which the Fire Brigade received the highest number of calls was August, and the year of 1999 was the one presenting the highest occurrence of field burns. Moreover, the number of calls was equally distributed along the weekdays. Based on quartiles, city districts with high, intermediate and low chances for the occurrence of burns were determined, and regions alongside the highway and the following city districts: Distrito Industrial, Medianeira, Itararé, Tomazzetti and Parque Pinheiro Machado were those presenting the highest chances for the occurrence of burns. Based on the correlation between dependent variable and all independent variables, it was verified that the variable with the highest correlation with the number of calls received by the Fire Brigade was the relative air humidity. The evaluation of the twenty-four models tested revealed that in all of them, the presuppositions were violated, being therefore, inappropriate for the forecast of the independent variable. Keywords: Agriculture and cattle raising management, meteorological factors, multiple linear regression.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(9) LISTA DE FIGURAS. FIGURA 1 - Derivação da distribuição amostral D, a estatística de Durbin e Watson......................................................................................................................... 26 FIGURA 2- Distribuição, por hora, do número de chamadas recebidas pelo Corpo de Bombeiros. ............................................................................................................. 36 FIGURA 3 - Gráfico de resíduos contra os valores ajustados, para os dados coletados............................................................................................................................................. 40 FIGURA 4 - Gráfico de probabilidade normal para os resíduos dos dados estudados..................................................................................................................... 42 FIGURA 5 - Mapa de Santa Maria com os bairros identificados conforme o risco da ocorrência de queimadas acidentais em campo...................................................... 49. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(10) LISTA DE TABELAS. TABELA 1 - Cobertura do solo e umidade volumétrica do solo em pastagem natural sob distintos manejos.................................................................................................................. 17 TABELA 2 - Distribuição do número de chamadas recebidas pelo Corpo de Bombeiros de Santa Maria, no período de janeiro de 1993 a dezembro de 2004................................... 34 TABELA 3 - Medidas descritivas para as variáveis queimadas, max, min, UR9, UR15, UR21, Ia, prtol, velvent, NDPP, no período de janeiro de 2003 a dezembro de 2004.......... 35 TABELA 4 - Evolução do número de chamadas recebidas pelo Corpo de Bombeiros de Santa Maria – RS no período de 1993 a 2004...................................................................... 37 TABELA 5 - Cruzamento da variável número de chamadas recebidas pelo Corpo de Bombeiros com o dia da semana do ocorrido, entre 1º de janeiro de 1993 a 31 de dezembro de 2004, no município de Santa Maria – RS ...................................................... 37 TABELA 6 - Correlação linear de Pearson entre a variável número de chamadas recebidas pelo Corpo de Bombeiros e elementos meteorológicos, avaliados de janeiro de 1993 a dezembro de 2004, no município de Santa Maria – RS ........................................... 38 TABELA 7 - As estimativas dos parâmetros betas (β) ajustados ao número de chamadas recebidas pelo Corpo de Bombeiros de janeiro de 1993 a dezembro de 2004 no município de Santa Maria-RS, para o primeiro conjunto de dados...................................... 41 TABELA 8 - As estimativas dos parâmetros betas (β) ajustados ao número de chamadas recebidas pelo Corpo de Bombeiros de janeiro de 1993 a dezembro de 2004 no município de Santa Maria-RS, para o segundo conjunto de dados...................................... 44 TABELA 9 - As estimativas dos critérios utilizados para a comparação dos modelos ajustados, seus respectivos postos e a soma total dos postos............................................... 46 TABELA 10 - Locais e seus respectivos números de ocorrências de queimadas em campo em Santa Maria – RS, de janeiro de 1993 a dezembro de 2004............................... 47. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(11) LISTA DE SIGLAS ARMA – modelo auto-regressivo e de médias móveis CNM 7 - Melhorado há 7 anos CNM 24 - Melhorado há 24 anos CPETC - Centro de Previsão de Tempo e Estudos Climáticos EMBRAPA – Empresa Brasileira da Pecuária e Agricultura. Ia - Insolação IBAMA - Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis IBGE – Instituto Brasileiro de Geografia e Estatística INMET -Instituto Nacional de Meteorologia INPE - Instituto Nacional de Pesquisas Espaciais K – Potássio max - Temperatura máxima min – Temperatura mínima MT – Mato Grosso N – Nitrogênio NDPP - Número de dias sem precipitação pluviométrica PR – Paraná PROARCO - Programa de Prevenção e Controle de Queimadas e Incêndios Florestais na Amazônia Legal prtol - Precipitação QME – Quadrado médio do erro RS – Rio Grande do Sul S - Enxofre SQE – Soma do quadrado do erro SQSR - Sem queima e sem roçada UR9 - Umidade relativa do ar coletada às nove horas UR15 – Umidade relativa do ar coletada às quinze horas UR21 - Umidade relativa do ar coletada às vinte e uma horas UFSM – Universidade Federal de Santa Maria velvent - Velocidade média do vento. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(12) SUMÁRIO 1 INTRODUÇÃO....................................................................................................................... 12 2 REVISÃO BIBLIOGRÁFICA.............................................................................................. 14 3 MATERIAL E MÉTODOS................................................................................................... 29 4 RESULTADOS E DISCUSSÕES.......................................................................................... 34 5 CONCLUSÕES ...................................................................................................................... 50 6 REFERÊNCIAS ..................................................................................................................... 51. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(13) 1 INTRODUÇÃO. Os ecossistemas terrestres vêm sendo ameaçados pelo crescimento da população humana, da atividade econômica e dos avanços da tecnologia. Nos ecossistemas brasileiros, grandes faixas de terra estão sendo desmatadas todo ano para uso na agricultura, em pastagens e outras atividades de desenvolvimento. Neste contexto, a queimada é um dos métodos tradicionalmente usados para o desmatamento de áreas florestais, bem como para a manutenção de safras agrícolas e pastagens. Há séculos o fogo acompanha o homem e, através dele, registra-se a história da humanidade. É um marco no processo evolutivo do homem, um elo entre o passado e o presente. Ao adquirirem o controle sobre o fogo, os ancestrais da espécie humana começaram a marcar profundamente a história da vida na Terra. Através do seu domínio, alcançaram novos espaços, alteraram ecossistemas, e sofreram suas conseqüências, decorrentes de suas próprias atividades. Historicamente, a ação do homem sobre a natureza sempre foi muito intensa, especialmente nas zonas abertas, ilhas e litorais, extraindo as riquezas florestais das savanas, pampas, e, em menor intensidade, das áreas montanhosas. As emergentes e intensas alterações dos ecossistemas florestais no mundo, nas últimas décadas, são um dos sérios problemas ambientais que se enfrenta atualmente. O fogo afeta diretamente a característica físico-química e a biológica dos solos, deteriora a qualidade do ar, levando, às vezes, ao fechamento de aeroportos por falta de visibilidade, reduz a biodiversidade e prejudica a saúde humana. Ao escapar do controle atinge o patrimônio público e privado (florestas, cercas, linhas de transmissão e de telefonia, construções, entre outros). As queimadas alteram a química da atmosfera e influem negativamente nas mudanças globais, tanto no efeito estufa como no tema do ozônio (EMBRAPA, 2007). No Brasil, as queimas ocorrem praticamente em todo o território, motivadas por fatores locais. A maioria das queimadas é provocada direta ou indiretamente pelo homem, quer para abrir novas fronteiras agrícolas, quer para obter pastagem para o gado (COUTINHO, 1990). A quase totalidade das queimadas é causada pelo homem, por razões muito variadas: limpeza de pastos, preparo de plantios, desmatamentos, colheita manual de. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(14) 13. cana-de-açúcar, vandalismo, balões de São João, disputas fundiárias, protestos sociais, etc. Com mais de 300.000 queimadas e nuvens de fumaça cobrindo milhões de km2 detectadas anualmente através de satélites, o país ocupa lugar de destaque como um grande poluidor e devastador (CPETC, 2007). As queimadas de maior vulto reportam-se às regiões da Amazônia, dos Cerrados e aos campos do sul do país. A queima de campos do sul do país aparece como forma de manejo das pastagens, sendo amplamente difundida em Santa Catarina e no Rio Grande do Sul. O fogo vem sendo utilizado a tanto tempo nesta região que chega a ser uma questão cultural. Elas provocam reações negativas em cadeia: o fogo destrói parte da matéria orgânica e os microorganismos, empobrece o solo, dificulta a infiltração e aumenta o escoamento da água que acelera os processos erosivos; a fumaça contribui para o efeito estufa e afeta as pessoas com distúrbios respiratórios, ou seja, todo o equilíbrio do Sistema Natureza é perturbado (Troppmair, 1992). Em campo, as queimadas constituem uma das tradições mais arraigadas na Região Sul do Brasil com o intuito de limpeza de terrenos a serem cultivados ou para preparação de pastagens. Em campos nativos, a vegetação que renasce aparenta mais força e melhor aparência, só que, ao longo dos anos, as queimadas provocam a degradação gradativa das plantas e do solo. O estabelecimento de uma metodologia para acompanhamento, monitoramento e planejamento de queimadas, auxiliando os usuários dessa prática e os profissionais envolvidos em seu controle, com um sistema de alerta que identifique cada dia como tendo baixa, média ou alta probabilidade de ocorrência de incêndios, seria de extrema utilidade. Com isso, o controle das queimadas seria mais eficiente, evitando sérios problemas ao meio ambiente, às pessoas e em especial ao solo. Desta forma o trabalho teve por objetivos realizar um estudo de queimadas acidentais em campo para identificar, caracterizar e localizar os locais de maiores ocorrências dessas na cidade de Santa Maria - RS com intuito de auxiliar no planejamento e controle de incêndios, e relacionar o número de queimadas com os elementos meteorológicos para identificar as condições do meio ambiente mais propícias à ocorrência desse evento.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(15) 2 REVISÃO BIBLIOGRÁFICA. 2.1 Queimadas. A sociedade mundial nunca demonstrou tanta preocupação com o meio ambiente, como nos últimos anos, embora os cientistas já vêm alertando para a sua destruição a pelo menos uns 30 anos. Várias forças naturais formaram e ainda formam a comunidade biótica. O fogo tem sido uma das mais dramáticas dessas forças naturais. Numa base global, o fogo e o homem juntos ou separadamente, têm causado grande impacto moldando e alterando a vegetação mundial (KOZLOWSKI; AHLGREN, 1974). Ao apoderar-se do fogo, o homem, único ser do planeta com tal poder, utilizou-o tanto com ímpeto destruidor como de forma benevolente sobre a terra. O homem contemporâneo continua a utilizá-lo em suas atividades. O fogo, em si, não é bom nem ruim, é apenas um instrumento à disposição, e usá-lo corretamente é uma questão de inteligência (SILVA, 1998). De modo geral, o homem é o principal causador dos incêndios florestais, porque a maioria destes são iniciados em decorrência de algum tipo de atividade humana. Existem, também, os incêndios causados por fenômenos naturais, porém eles são mínimos, conforme relato de Silva (1998). As causas mais freqüentes dos incêndios florestais são: práticas agropastoris, pastoreio, fogueiras em áreas de visitação pública, incêndios intencionais, fumadores, linhas elétricas, estradas de ferro, descargas elétricas (causa natural), causas desconhecidas, carvoeiros e pescadores (SILVA, 1998). O fogo é uma reação caracterizada pelo desprendimento de luz e calor, afetando diretamente a vegetação, o ar, o solo, a água, a vida silvestre, a saúde pública e a economia (SILVA, 1998). Constitui fator ecológico de significativa importância em diversos sistemas de pastagens; bastante comum naqueles localizados em regiões tropicais e subtropicais (SANTOS et al., 1992) com estacionalidade hídrica marcante, como, por exemplo, as savanas africanas e americanas. As queimadas, no Brasil, têm sido objeto de preocupação e polêmica. Elas atingem os mais diversos sistemas ecológicos e tipos de agricultura, gerando impactos ambientais em escala local e regional.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(16) 15. A cidade de Santa Maria é o pólo de uma importante região agropecuária que ocupa a parte centro-oeste do estado do Rio Grande do Sul, com uma população de pouco mais de 270 mil habitantes (IBGE, 2007), dos quais cerca de 80% residem na área urbana. Possui uma área territorial de 1780 Km2, onde são produzidos principalmente arroz, 52919 toneladas, e possuindo um rebanho bovino de 133584 animais, em 2004, conforme dados do IBGE (2007). Entre as diversas razões apresentadas para justificar a utilização da queima como opção de manejo das savanas e campos naturais durante a época de seca, destaca-se a renovação de pastagens com a finalidade de aumentar a produção de forragem fresca e palatável para o gado, em períodos com escassez desse tipo de alimento. Esta prática, geralmente, é realizada no fim do período seco ou no início do período chuvoso o que proporciona um aumento da capacidade de pastejo e controla o rebrote de espécies indesejáveis (SANTOS et al., 1992 ; MULLER et al., 2001). A ação indiscriminada do fogo diminui a quantidade de material orgânico, fonte energética dos microrganismos, que, assim, culmina na diminuição da população da mesofauna e conseqüentemente na perda da capacidade produtiva do solo (SPERA et al., 2000). No caso do fogo, sua ação no estrato herbáceo-subarbustivo do cerrado resulta na rápida mineralização e na acelerada ciclagem dos nutrientes. Já no tocante ao estrato arbóreo, o fogo influencia principalmente a redução do porte das árvores e o aumento da sua tortuosidade (SPERA et al., 2000). A primeira reação, ao se referir ao uso do fogo como método de manejo de solo, é a sua condenação devido à sua possível ação na degradação e esterilização do solo (SANTOS et al., 1992). O fogo representa o meio mais rápido e econômico de que o produtor rural dispõe para limpar e “fertilizar” a área de cultivo. Sob a ação da queima, de ventos e de chuvas, movimento de partículas, lixiviação e escoamento superficial, os solos desprotegidos perdem nutrientes contidos nas cinzas (SAMPAIO et al., 2003). Em áreas onde o uso da queima é sistemático, a quantidade e a composição dos nutrientes, que ciclam no solo, dependem do regime de queimadas. Seus efeitos são percebidos através da incorporação de cinzas, redução da cobertura e aquecimento do solo (HERINGER et al, 2002). Os principais efeitos do uso do fogo estão relacionados a alterações biológicas e químicas, tais como redução ou alteração da população microbiana, aumento temporário da disponibilidade de nutrientes, alteração no pH, aumento da fonte de carbono e oxidação da matéria orgânica (SANTOS et al., 1992; SPERA et al., 2000). Apesar disso, a queima pode alterar a umidade do solo, em razão de mudanças na taxa de infiltração, no volume de enxurrada, na taxa de transpiração, na porosidade e na repelência, do solo, à água.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(17) 16. A razão para a diminuição da umidade do solo é que ocorre o entupimento dos poros do solo pelas cinzas (SPERA et al., 2000). O uso contínuo do fogo tem, como conseqüência, a exposição do solo ao impacto das gotas de chuva, aumentando a compactação e a erosão, além de interromper gradualmente o ciclo de retorno da matéria orgânica, diminuindo a capacidade de troca de cátions, a retenção de água, a perda de nutrientes do sistema, principalmente N, S e K, o que favorece o surgimento de plantas invasoras e acelera o processo de degradação das pastagens (ZANINE, DINIZ, 2006). A queima impõe ao solo um regime de déficit hídrico o que, de certa forma, condiciona o uso do fogo a regiões onde haja abundância de precipitação e/ou, com muito critério, em locais de precipitações reduzidas, sob pena de obter-se resultados negativos (ALBA, 1958). As características físicas de um latossolo vermelho-escuro submetido à queima, foram avaliadas por SPERA et al. (2000) e observaram que as curvas características de retenção de água, nas profundidades de 0 a 5 cm, 5 a 10 cm e 10 a 20 cm, mostraram, nas camadas do solo, pequenas variações (de até cerca de 0,02 m3 m-3 ou 2 L de água) entre os tratamentos para as respectivas profundidades. Os autores relataram que, quando comparadas as curvas de retenção de água no solo nas profundidades estudadas, verificou-se que os teores de água retida diminuíram com a profundidade. Essas reduções acompanharam a diminuição, em profundidade, da densidade do solo, da mesoporosidade e da microporosidade. Ao compararem pastagens naturais sujeitas à ação prolongada do fogo e práticas alternativas de manejo, Heringer et al. (2002) verificaram que os tratamentos sem queima apresentaram cobertura total do solo e diferenciaram-se da área queimada que sempre teve superfície de solo descoberto (p<0,05) (Tabela 1). No período de avaliação, compreendendo o ano seguinte à queima, a área queimada apresentava 12% de superfície descoberta na primavera, que se reduziu a 8, 4 e 3%, respectivamente, no verão, outono e inverno. O aumento na cobertura do solo desta área, no decorrer do ano, foi devido ao aparecimento de espécies de primeira sucessão, isto é, de primeira brotação, e no outono e inverno, sobretudo, à maior quantidade de material morto, depositado na superfície da pastagem. Com a incidência de uma nova queima no final do inverno (término do trabalho dos autores) houve regressão da cobertura para valores muito baixos, em função da pequena freqüência de espécies prostradas e do desaparecimento generalizado do mantilho da superfície do solo. Portanto, não chega a ocorrer cobertura completa do solo entre uma. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(18) 17. queima e outra (a cada dois anos), resultando que uma superfície considerável de solo permanece descoberta e à deriva de ventos, sol, chuva e pisoteio dos animais.. Tabela 1 – Cobertura do solo e umidade volumétrica do solo em pastagem natural sob distintos manejos.. Tratamentos. Cobertura do solo. Umidade volumétrica. %. gKg-1. Sem queima e sem roçada (SQSR). 100 a*. 277,1 a. Sem queima e roçado. 100 a. 257,9 b. Melhorado há 24 anos (CNM 24). 100 a. 261,3 b. Melhorado há 7 anos (CNM 7). 100 a. 262,4 b. 93 b. 225,8 c. Queima há mais de 100 anos. * Médias seguidas por letras distintas na mesma coluna diferem entre si pelo teste de Waller-Duncan a um nível de 5% de probabilidade FONTE: Heringer, et al. (2002). Os autores encontraram, também, que a umidade volumétrica média, na profundidade de 0 a 15cm, apontou para uma maior capacidade de retenção de água nas áreas sem queima, reflexo da maior cobertura do solo e da presença de restos vegetais mortos na superfície do solo (Tabela 1). Dentre os tratamentos sem queima, a umidade foi maior no SQSR, ao qual se seguiram o CNM 7 e 24 anos, o roçado e o queimado (p<0,05). A disponibilidade de água às plantas é um dos fatores mais importantes para o crescimento, e poderia ter sido fundamental na definição do potencial de produção de forragem. Além. desses. trabalhos,. vários. autores. (CORRÊA;. ARONOVICH,. 1979;. FONTANELLI; JACQUES, 1988; FONTANELLI et al., 1994; CARDOSO et al., 2003) concluíram que a cobertura do solo diminui com a queima, levando de três a sete meses para retornar às condições anteriores. Um dos efeitos das queimadas, segundo Santos et al. (1992), é a imediata elevação da temperatura local. A intensidade desse efeito depende, em grande parte, tanto da quantidade de massa vegetal combustível que recobre o solo, quanto o tipo de massa vegetal. A variabilidade da temperatura do solo, durante a queima, depende da sua intensidade e duração. Os principais efeitos da elevação da temperatura do solo estão relacionados a alterações biológicas e químicas. A queima produz uma esterilização parcial do solo, seguida de um. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(19) 18. aumento rápido da população de microorganismos que, por sua vez, atinge um nível de equilíbrio. A camada superficial é a que demonstra maior sensibilidade à atuação do fogo. Segundo Rheinheimer et. al., (2003), a medição da temperatura do solo, realizada pelos autores, revelou que, depois de ateado o fogo, houve uma demora de 4 minutos para atingir a temperatura máxima, de aproximadamente 70°C, voltando aos padrões normais em 3 minutos. De um modo geral, todos os atributos químicos do solo avaliados tenderam a valores originais a partir dos 90 dias após a queima. Avaliando os efeitos do fogo em uma floresta de bracatinga, no município de Colombo, PR, Grodzki et al., (2004) verificaram que a temperatura que estava em torno de 23ºC a 2,5cm de profundidade, permaneceu assim até a passagem do fogo, elevando-se gradualmente até pouco acima dos 24ºC aos 445 segundos, permanecendo neste patamar até 500 segundos, resultado que mostrou não haver alteração da temperatura que afete a atividade biológica do solo nesta profundidade. Uma explicação dada pelos autores, para esse fato, seria a umidade da manta ou serrapilheira constituída, em boa parte, de folíolos de bracatinga, que formou uma massa densa e funcionou como isolante térmico entre o fogo e o solo. Verificando os efeitos do fogo sobre a temperatura do solo, Damé et al., (1996), observaram que ela variou de 20º a 22ºC na superfície, 15,3º a 15,9ºC a 5 cm de profundidade e de 14,6º a 14,8ºC a 10 cm de profundidade, respectivamente antes e após a queima. Os autores colocam que os efeitos não foram tão pronunciados, provavelmente, devido ao baixo resíduo na área. Apesar de muitos estudos apontarem as queimadas como método de manejo condenável, não só por afetar o solo, mas também, por contribuírem com o efeito estufa, afetar as pessoas causando distúrbios respiratórios, atrapalhar a aviação etc.., ainda é um manejo de solo muito usado em todo o país. Já existe base científica para afirmar que a poluição do ar tem efeitos negativos para a saúde humana. Os impactos decorrentes dos gases emitidos pela combustão de biomassa ainda não foram bem avaliados, mas afetam um número significativo de pessoas, sobretudo nos países em desenvolvimento, onde a queimada constitui uma prática agrícola bastante difundida. Além disso, incêndios em florestas ou em cerrado são constantes durante os meses de inverno, quando a reduzida precipitação leva à perda de umidade da massa vegetal, propiciando a ocorrência de queimadas involuntárias que fogem ao controle (RIBEIRO, ASSUNÇÃO, 2002).. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(20) 19. Comparando o efeito dos manejos ceifa, queima, diferimento e adubação sobre uma pastagem natural, Fontaneli et al., (1994) concluíram que a disponibilidade de forragem diminui com a queima, em relação aos tratamentos diferimento com e sem adubação e à testemunha. Esse resultado está de acordo com o encontrado por Henriger; Jacques (2002) que compararam cinco tratamentos – sem queima há 32 anos com e sem roçada, melhorado há 7 e 24 anos e queima bienal há mais de 100 anos. Concluíram que os sistemas de manejo sem queima, com ou sem roçada, são mais produtivos e preservam melhor o solo em função da cobertura por plantas e material morto, e reciclagem de nutrientes via material morto, além disso, são ecologicamente mais sustentáveis. A degradação das pastagens tem afetado diretamente a sustentabilidade da pecuária nacional, além de diminuir o valor das terras e atrasar a idade de abate dos animais. Mesmo assim, existe um número reduzido de pecuaristas recuperando pastagens de suas propriedades, ou mesmo preocupados com esse problema. A adoção de medidas com o preparo correto do solo, a escolha da espécie forrageira adequada para o local, o uso de sementes qualificadas e na quantidade certa, o manejo correto das pastagens, observando a pressão de pastejo e um período de descanso adequado e também adubações de manutenção, seriam suficientes para resolver o problema. Persistindo o processo de degradação, com certeza haverá prejuízos irrecuperáveis para os recursos naturais (PERON; EVANGELISTA, 2004). Existem várias alternativas para as queimadas, conforme Jacques (2003) - as de baixo custo e que, até certo ponto, estariam ao alcance dos produtores, em geral, como ajuste de carga, roçada, diferimento, sobressemeadura de espécies de estação fria, suplementação protéica/nitrogenada, “banco de proteína” e outras; e aquelas mais sofisticadas e mais onerosas que utilizam tecnologias modernas, como introdução de espécies cultivadas de estação fria com uso de máquinas apropriadas e até mesmo aviação agrícola. Entretanto, todas as alternativas exigem um mínimo de conhecimento a respeito do crescimento das espécies nativas e uma idéia clara sobre os períodos de carência e produção (sazonalidade). Ainda, é fundamental que o produtor exerça o controle da vegetação através do manejo - com períodos de utilização e períodos de descanso das pastagens - o que, em alguns casos, precisa de uma orientação técnica. Como parte do esforço de monitorar e minimizar o fenômeno das queimadas, o Instituto Nacional de Pesquisas Espaciais (INPE) vem desenvolvendo e aprimorando desde a década de 80 um sistema operacional de detecção de queimadas. A partir de 1998 o trabalho passou a ser feito juntamente com o IBAMA/PROARCO, dando ênfase particular à Amazônia. Os dados são obtidos nas imagens termais dos satélites meteorológicos NOAA. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(21) 20. quatro vezes ao dia, GOES oito vezes ao dia, e Terra e Aqua duas vezes por dia, e em seguida integrados a dois sistema geográficos de informações (SpringWeb-queimadas e TerraLibqueimadas) que podem ser utilizados pela Internet. As informações são disponibilizadas operacionalmente aos usuários cerca de 20 minutos após as passagens dos satélites. Todo o País e grande parte da América do Sul são cobertos pelas imagens, pois são utilizadas recepções das estações do INPE em Cachoeira Paulista, SP e de Cuiabá, MT (INPE, 2007). Conjugando sensoriamento remoto, cartografia digital e comunicação eletrônica, a equipe realiza, desde 1991, um monitoramento circunstanciado e efetivo das queimadas em todo o Brasil. Os mapas elaborados indicam que se trata de um fenômeno nacional, vinculado essencialmente à atividade agrícola, mas com importante variabilidade espacial e interanual. A Amazônia Legal, por exemplo, concentra mais de 85% das queimadas que ocorrem de forma constante no Brasil. Nas outras regiões, o padrão espacial também é descontínuo e mais difuso, com áreas de maior ou menor concentração. A região Centro-Oeste concentra mais de 35% das queimadas, seguida pelo Sudeste (29%) e Norte (24%). Os Estados que mais contribuíram nos últimos três anos (de 1999 a 2001) foram: Mato Grosso (38%), Pará (27%), Maranhão (10%) e Tocantins (7%) (MIRANDA, 2002).. 2.2 Modelagem Estatística. Dentre as formas de monitoramento e prevenção de queimadas, há a técnica de modelagem que tem por objetivo permitir a previsão, com base em uma determinada probabilidade de ocorrência do fenômeno. Para tal, pode ser utilizado um modelo de regressão linear simples que é determinado quando uma variável independente ou explicativa X é utilizada para prever o valor de uma variável dependente ou de resposta Y. Mas, freqüentemente, acontece que um modelo melhor ajustado pode ser desenvolvido, se for considerada mais de uma variável explicativa. Neste caso, tem-se os modelos de regressão linear múltipla nos quais diversas variáveis explicativas possam ser utilizadas para prever o valor de uma variável dependente (LEVINE; BERENSON; STEPHAN, 2000). Em geral, a variável dependente ou de resposta, Y, pode estar relacionada a k variáveis independentes. O modelo Y = β0 + β1x1 + β2x2 + ... + βkxk + εi. (2.1). PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(22) 21. é chamado de regressão linear múltipla com k variáveis independentes. Os parâmetros βj, j = 0, 1, ..., k, são chamados de coeficientes de regressão. onde: β0 = interseção de Y; β1 = inclinação de Y em relação à variável X1, mantendo constantes as variáveis X2, X3, ..., Xk; β2 = inclinação de Y em relação à variável X2, mantendo constantes as variáveis X1, X3, ...,Xk ;. M βk = inclinação de Y em relação à variável Xk, mantendo constantes as variáveis X1, X2, X3,..., Xk-1; εi= erro aleatório em Y, para a observação i. O método dos mínimos quadrados pode ser usado para estimar os coeficientes de regressão no modelo múltiplo, mas, no ajuste de um modelo de regressão múltipla, é muito mais conveniente expressar as operações matemáticas usando a notação matricial. Suponha que haja k regressores e n observações (xi1, xi2, ..., xik, yi), i = 1, 2, ..., n, e que o modelo relacionando os regressores à resposta seja yi = β0 + β1xi1 + β2xi2 + ... + βkxik + εi. i = 1, 2, ..., n. (2.2). Esse modelo é um sistema de n equações, que pode ser expresso na notação matricial como y = Xβ + ε sendo:  y1  y  y=  2 M    yn . 1 x11 1 x 21 X = M M  1 x n1. β0  β  β =  1  M    β k . ε1  ε  ε =  2 M   ε n . x12 L x1k  x 22 L x 2 k  M M   x n 2 L x nk . Em geral, y é um vetor (n x 1) das observações, X é uma matriz (n x p) dos níveis das variáveis independentes, com p = k + 1; β é um vetor (p x 1) dos coeficientes de regressão e ε é um vetor (n x 1) dos erros aleatórios.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(23) 22. Deseja-se encontrar o vetor dos estimadores de mínimos quadrados, βˆ que minimiza n. L = ∑ ε i2 = ε ' ε = ( y − Xβ )' ( y − Xβ ) .. (2.3). i =1. ∂L = 0 , onde: O estimador de mínimos quadrados βˆ é a solução para β nas equações ∂β βˆ = ( X ' X ) −1 X ' y A matriz de variância e covariância estimada Vˆ ( βˆ ) :.  s2{b } 0  ˆV(βˆ ) = s{b0, b1}  M s{b , b }  k 0. é dado por:. s{b , b } 0 1. 2. s {b } 1 M s{b , b } k. 1. s 2{b} = QME(X' X) −1. L L L. s{b , b } 0 k  s{b , b } 1 k  M  s2{b }  k . onde QME =. y' y − β' X' y , n−p. (2.4). p=k+1. (2.5). Nos problemas de regressão linear múltipla, os testes de hipóteses relativos aos parâmetros do modelo são úteis na medida da adequação destes. Como no caso da regressão linear simples, testes de hipóteses requerem que os termos do erro εi no modelo de regressão sejam normal e independentemente distribuídos com média zero e variância σ2 (MONTGOMERY; RUNGER, 2003). Outros testes necessários são os para os coeficientes individuais de regressão que são úteis na determinação do valor potencial de cada um dos regressores no modelo de regressão. A adição de uma variável ao modelo de regressão sempre aumenta a soma quadrática da regressão e sempre diminui a soma quadrática do erro. Tem-se, então, que decidir se o aumento na soma de quadrática da regressão é grande o suficiente para justificar o uso de uma variável adicional ao modelo. Além disso, a adição de uma variável não importante ao modelo pode, na verdade, aumentar a soma quadrática do erro, indicando que a adição de tal variável fez realmente o modelo apresentar um ajuste mais pobre dos dados (MONTGOMERY; RUNGER, 2003). As hipóteses para testar a significância de qualquer coeficiente de regressão, como βj, são: H0: βk = 0 H1: βk ≠ 0. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(24) 23. Se H0: βj = 0 não for rejeitada, então isso indica que o regressor xj poderá ser retirado do modelo. A estatística de teste para essa hipótese é: t = c. βˆ. ˆ (βˆ ) = S2 ( b ) V. k. k. ˆ (βˆ ) V. k. (2.6). k. Conclui-se com (1-α)% de confiança que se |tc| ≤ t (1−α / 2, n− p ) , aceita-se H0. Após a determinação de quais as variáveis que devem permanecer no modelo, deve-se proceder à análise de resíduos para avaliar se o modelo de regressão linear múltipla será apropriado para o conjunto de dados que está sendo estudado. Para se estabelecer essa análise é necessária a observação de alguns pressupostos. Os quatros principais pressupostos da regressão são: normalidade, homocedasticidade, independência dos erros e linearidade que serão descritos a seguir: Normalidade: requer que os valores de Y sejam normalmente distribuídos para cada valor de x. Enquanto a distribuição dos valores de yi em torno de cada nível de x não for extremamente diferente de uma distribuição normal, inferências sobre a linha de regressão e sobre coeficientes de regressão não serão seriamente afetadas (LEVINE; BERENSON; STEPHAN, 2000). Os testes mais utilizados para verificar a normalidade de uma amostra de dados são o teste de aderência do Qui-quadrado e o teste de Lilliefors. A vantagem do teste de Lilliefors sobre o teste do Qui-quadrado é que pode ser aplicado sem restrição, para pequenas amostras. Além disto, considera os dados individualmente, não perdendo informação devido a agrupamentos, como ocorre no teste do Qui-quadrado, sendo, na maioria das vezes, mais poderoso que aquele (DEMÉTRIO, 1978). O teste de Kolmogorov-Smirnov foi introduzido por Kolgomorov em 1933 para verificar se uma série de dados pertence a uma determinada distribuição com média zero e variância conhecidas. Para se testar normalidade, Lilliefors, em 1967, introduziu uma modificação neste teste, ampliando o seu uso para os casos em que a média e a variância não são especificadas, mas sim, estimadas através dos dados da amostra (DEMÉTRIO, 1978). Inicialmente, calculam-se a média. z = i. x , a variância S2 dos dados e a variável. x −x. S i. (2.7). Em seguida, ordena-se os zi e considera-se: F(zi) = proporção de valores esperados ≤ zi, valor obtido a partir da tabela de distribuição normal reduzida;. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(25) 24. S(zi) = k/n proporção de valores obtidos ≤ zi; onde k é o número de valores obtidos a partir dos valores observados ≤ zi, e n é o número de observações da amostra. A estatística de Lilliefors (D) é definida da seguinte maneira: D = Sup |F(zi) - S(zi)| zi onde: Sup = supremo em relação a zi, isto é, a máxima distância vertical zi entre F(zi) e S(zi). Para a determinação de D, considera-se, em cada ponto zi, as diferenças |F(zi) - S(zi)| e |F(zi) - S(zi-1)| e toma-se apenas a maior delas. O teste é bilateral onde se tem: H0: É razoável estudar os dados através da distribuição normal; H1: Não é razoável o estudo dos dados através da distribuição normal. Rejeita-se a hipótese de nulidade, em nível α de probabilidade, quando D ≥ d. O valor d é encontrado no anexo A. Homocedasticidade: requer que as variações em torno da linha de regressão sejam constantes para todos os valores de X. Isto significa que Y varia na mesma proporção, quando X for um valor baixo e quando X for um valor elevado. O pressuposto da homocedasticidade é importante na utilização do método dos mínimos quadrados, para determinar os coeficientes de regressão. Se houver sérios afastamentos deste pressuposto, pode-se aplicar transformações de dados ou métodos dos mínimos quadrados ponderados (LEVINE; BERENSON; STEPHAN, 2000). Detectando a heterocedasticidade: Uma forma de pesquisar a existência de heterocedasticidade consiste em estimar o modelo, utilizando mínimos quadrados e fazer o gráfico dos resíduos de mínimos quadrados. Se os erros são homocedásticos, não deve haver qualquer padrão nos resíduos. Se os erros são heterocedásticos, podem tender a exibir maior variação. Os resíduos são a diferença entre os valores observados Yi e os correspondentes valores ajustados de yˆ . São, geralmente, denotados por εi e, definidos por: ε i = (y i − yˆ i ). (2.8). Para o modelo de regressão Yi = β0 + Σβixi + εi os resíduos são: ε i = yi − ( β 0 +. ∑ βˆ x ) = y − β − ∑ βˆ x i i. i. 0. i i. (2.9). PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(26) 25. Na sua magnitude, os resíduos são representados por um desvio vertical dos yi observados e os pontos correspondentes a partir da função de regressão estimada, isto é, para os correspondentes valores ajustados yˆ i . A forma envolve os desvios verticais de yi para a desconhecida regressão linear. Sob outro modelo, os resíduos são desvios verticais de yi para os valores ajustados yˆ i em relação à regressão linear estimada e conhecida. Os resíduos são muito utilizados para os estudos sobre a adequação do modelo de regressão aos dados e as suas principais propriedades são. Média: a média dos resíduos εi para o modelo de regressão linear simples é: n. ε=. ∑ε i =1. i. n. =0. onde ε é a média dos resíduos.. A informação de que ε é sempre zero originou-se da informação que os erros verdadeiros εi , tem valor esperado E(εi) = 0. Variância: a variância dos n resíduos εi é definida como: n. ∑ (εi − ε) 2. i =1. n−p. n. =. ∑ (εi ) 2. i =1. n−p. =. SQE = QME n−p. ,. onde p é o número de parâmetros estimados. Se o modelo for apropriado, o QME, como denotado anteriormente, é um estimador não viesado da variância σ2 dos termos dos erros. Não dependência: os resíduos εi não são variáveis aleatórias independentes, porque envolvem valores ajustados yˆ i , baseados na mesma função de regressão ajustada como resultado. Quando o tamanho da amostra é grande em relação ao número de parâmetros no modelo de regressão, o efeito da dependência sobre os resíduos εi não é muito importante e, para alguns fins, pode ser ignorado. Independência de Erros: requer que o erro seja independente para cada valor de X. Este pressuposto, geralmente, se refere a dados que são coletados ao longo de um período de tempo. Quando os dados são coletados desta maneira, os resíduos para um determinado período de tempo são, freqüentemente, correlacionados com os do período de tempo anterior. Esta independência dos erros pode ser assegurada por um dos processos básicos da experimentação que é a casualização. Quando uma substancial correlação se encontra presente em um conjunto de dados, a validade de um modelo de regressão ajustado pode ficar seriamente comprometida (DEMÉTRIO, 1978 ; LEVINE; BERENSON; STEPHAN. 2000).. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(27) 26. A autocorrelação pode ser detectada e medida pela utilização de estatística de DurbinWatson. Esta estatística mede a correlação entre cada resíduo e o resíduo para o período de tempo imediatamente antecedente àquele de interesse. A estatística de Durbin-Watson (Dw) é definida da seguinte maneira: n. ∑ (ε i − ε i −1 ) 2. D. w. = 1= 2. n. ∑ ε i2. i =1. onde: ei corresponde aos valores dos resíduos estimados pelo modelo; n é o número de observações. Durbin e Watson também derivaram a distribuição amostral de Dw, que está apresentada na Figura 1. Os critérios para realização do teste são os seguintes: 1. Se o valor da estatística Dw for menor que dl, então, rejeita-se H0, portanto existe autocorrelação que é positiva; 2.. Se o valor da estatística Dw for maior que 4-dl, então, rejeita-se H0, portanto existe autocorrelação que é negativa;. 3. Se o valor da estatística Dw se encontrar entre du e 4-du, então, aceita-se H0, portanto não existe autocorrelação; 4. Se o valor da estatística Dw se encontrar entre d1 e du ou entre 4-du e 4-dl, então, o teste é inconclusivo.. Figura 1 - Derivação da distribuição amostral Dw, a estatística de Durbin e Watson. (Figura adaptada de Vasconcellos; Alves, 2000). É importante destacar que o teste de Durbin e Watson apresenta algumas limitações: Não é apropriado quando, entre as variáveis explicativas, está a variável dependente defasada; Não é apropriado para testar a presença de autocorrelação decorrente de processos auto-. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(28) 27. regressivos de ordem superior a 1. Também não é adequado para processos que seguem um modelo de médias móveis ou um modelo ARMA de qualquer ordem; É necessário que o modelo seja estimado com termo constante. Multicolinearidade: refere-se à correlação entre duas variáveis explicativas ou entre uma delas e as demais, incluídas na equação de um modelo. Isso pressupõe que a multicolinearidade ocorre quando, por exemplo, duas variáveis X1 e X2 medem aproximadamente a mesma coisa, ou seja, a correlação entre elas é quase perfeita (MATOS, 2000). Quando tal correlação é elevada, a eficiência dos parâmetros estimados é significativamente afetada, tornando-os instáveis, pois apresentam grandes variâncias e covariâncias. Em conseqüência disto, os intervalos de confiança tendem a ser maiores, resultando na aceitação da hipótese nula mais prontamente. Também, o valor da estatística t reduz-se e, às vezes, a hipótese de efeito nulo pode ser aceita quando deveria ser rejeitada (GUJARATI, 2000; MATOS, 2000). A multicolinearidade, conforme Gujarati (2000), é essencialmente um fenômeno da amostra, não se tem um método único para detectá-la ou para medir sua intensidade. O que se tem são algumas regras práticas, sendo duas delas descritas a seguir: 1.. Alto R2, porém poucas razões t significativas. Este é o clássico sintoma de multicolinearidade. Se R2 é alto (acima de 0,8), o teste F, na maioria dos casos, rejeitará a hipótese de que os coeficientes de inclinação parcial são simultaneamente iguais a zero, mas os testes t individuais vão mostrar que nenhum ou muito poucos dos coeficientes de inclinação parcial são estatisticamente diferente de zero.. 2.. Altas correlações dois a dois entre os regressores. Uma outra regra prática sugerida é que, se o coeficiente de correlação dois a dois ou de ordem zero for alto (acima de 0,8), então a multicolinearidade se constitui em um sério problema. O problema com este critério é que, embora altas correlações de ordem zero podem sugerir colinearidade, não é necessário que elas sejam altas para haver colinearidade em qualquer caso específico. Portanto, em modelos que envolvam mais de duas variáveis explicativas, a correlação simples ou de ordem zero. não. multicolinearidade.. nos. dará. um. Naturalmente,. indício. infalível. se houver. da. presença. somente duas. da. variáveis. explicativas, as correlações de ordem zero serão suficientes.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(29) 28. São raros os trabalhos na literatura que tentam modelar, em função dos elementos meteorológicos, as queimadas. Ray; Nespstad; Moutinho (2005) utilizaram a regressão linear múltipla para encontrar as variáveis mais correlacionadas com a propagação do fogo em três estruturas de floresta com história de distúrbios conhecidos no Pará. Determinaram que o déficit de pressão de vapor explicava 50% da variabilidade da taxa de propagação do fogo. Além disso, eles encontraram que o comportamento do fogo é explicado pela precipitação, índice de área foliar e altura média do canopi. Para determinar o conteúdo de umidade em arbustos e desta forma predizer o risco de fogo, Castro; Tudela; Sebastiá (2003) determinaram um modelo de regressão linear múltiplo, onde a variável dependente era o percentual de combustível fino ativo, e as explicativas eram fatores meteorológicos. Eles determinaram que as variáveis mais correlacionadas com o percentual de umidade foram a soma diária da temperatura mínima de 15 dias antes da amostragem, a reserva de 150 mm de água no solo, a data e a umidade relativa do ar dos últimos sete dias.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(30) 3 MATERIAL E MÉTODOS. A variável de interesse (resposta) foi o número de chamadas diárias recebidas pelo Corpo de Bombeiros de Santa Maria, obtidas dos seus fichários, no período de 1º de janeiro de 1993 a 31 de dezembro de 2004, e o local de ocorrência da queimada. Além dessa variável, foram coletadas na estação meteorológica da Universidade Federal de Santa Maria (UFSM) dados referentes aos elementos meteorológicos temperatura máxima (max) e mínima (min), umidade relativa do ar coletadas às 9 h (UR9), às 15 h (UR15) e às 21 h (UR21) , insolação (Ia), precipitação (prtol) e velocidade média do vento (velvent) do dia de sua ocorrência e pelo número de dias sem precipitação pluviométrica (NDPP) anteriores ao da ocorrência da variável de interesse, pois segundo o Instituto Nacional de Meteorologia (INMET) esses fatores possuem alta correlação com a presença de queimadas no Brasil. Desta forma os elementos meteorológicos foram considerados variáveis importantes na identificação de áreas com potencial de serem queimadas. As temperaturas máximas foram observadas em termômetro de máximos, as de mínimas em termômetros de mínimos, em graus Celsius (°C); a umidade relativa do ar é registrada em um psicrômetro em percentagem (%); a insolação foi verificada por um heliógrafo e mede o número de horas de sol no dia; a precipitação foi medida pelo pluviômetro e registrada pelo pluviógrafo em milímetros (mm), e a velocidade do vento foi medida por meio de um anemômetro em metros por segundo (ms-1). Com base nas variáveis coletadas foram construídas as seguintes variáveis: -. temperatura média (tm) determinada pela equação: tm =. -. max + min 2. (3.1). média da temperatura média de dois (tm2), três (tm3), quatro (tm4) e cinco (tm5) dias anteriores à ocorrência do evento;. -. temperatura máxima média de dois (max2), três (max3), quatro (max4) e cinco (max5) dias anteriores à ocorrência do evento;. -. temperatura mínima média de dois (min2), três (min3), quatro (min4) e cinco (min5) dias anteriores à ocorrência do evento;. -. insolação acumulada de dois (Ia2), três (Ia3), quatro (Ia4) e cinco (Ia5) dias anteriores à ocorrência do evento;. -. umidade relativa média determinada pela equação:. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(31) 30. URm =. ( UR + UR 9. 15. + 2 UR ) 21. (3.2). 4. - média da umidade relativa à média de dois (URm2), três (URm3), quatro (URm4) e cinco (URm5) dias anteriores à ocorrência do evento; -. precipitação acumulada de um (PA1), três (PA3), cinco (PA5), de sete (PA7), de dez (PA10) e quinze (PA15) dias anteriores à ocorrência do evento.. Após o estabelecimento das variáveis descritas acima e com base no modelo geral apresentado abaixo, construiu-se doze modelos com todas as variáveis explicativas, verificando-se as pressuposições associadas a ele. Esses doze modelos foram encontrados da seguinte forma: retirou-se do banco de dados todos os valores correspondentes a um ano para que servissem de validação. Após a determinação do modelo, esses dados eram acrescentados ao banco de dados e os valores referentes a outro ano eram retirados e um novo modelo encontrado e, assim, sucessivamente para todos os anos do período considerado. O modelo geral ( Yˆg1 ) para o primeiro conjunto de variáveis é mostrado abaixo.. Yˆg1 = βˆ0 + βˆ 1 max + βˆ 2 min + βˆ 3 UR9 + βˆ 4 UR15 + βˆ 5 UR21 + βˆ 6 Ia + βˆ 7 prtol + βˆ 8 velvent + βˆ 9 NDPP + βˆ 10 tm + βˆ 11 tm2 + βˆ 12 tm3 + βˆ 13 tm4 + βˆ 14 tm5 + βˆ 15 max2 + βˆ 16 max3 + βˆ max4 + βˆ max5 + βˆ min2 + βˆ min3 + βˆ min4 + βˆ min5 + βˆ Ia2 + βˆ Ia3 + 17. 18. 19. 20. 21. 22. 23. 24. βˆ25 Ia4 + βˆ26 Ia5 + βˆ27 URm + βˆ28 URm2 + βˆ29 URm3 + βˆ30 URm4 + βˆ31 URm5 + βˆ32 PA1 + βˆ PA3 + βˆ PA5 + βˆ PA7 + βˆ PA10 + βˆ PA15 33. 34. 35. 36. 37. Após, retirou-se os dados equivalentes aos anos de 2003 e 2004, para validação, encontrando dessa forma outro modelo e, também, dividiu-se o banco em duas partes: uma parte continha os anos de 1993 a 1998 onde se encontrou um modelo e sua validação foi realizada com os dados de 1999 a 2004; a outra parte continha os dados de 1999 a 2004 e a validação do modelo determinada, por ela, foi com os dados de 1993 a 1998. Com a realização desta etapa foram construídas outras variáveis, com base nas variáveis explicativas iniciais coletadas na estação meteorológica da UFSM, que estão escritas abaixo: -. temperatura média de um dia (med(1)) e dois (med(2)) dias anteriores à ocorrência da variável de interesse;. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(32) 31. -. umidade relativa média de um dia (urmed(1)) e dois (urmed(2)) dias anteriores à ocorrência da variável de interesse;. -. insolação de um dia (insol(1)) e dois (insol(2)) dias anteriores à ocorrência da variável de interesse;. -. precipitação de um dia (prtol(1)), dois (prtol(2)), três (prtol(3)), quatro (prtol(4) e cinco (prtol(5)) dias anteriores à ocorrência da variável de interesse.. Novamente construiu-se doze modelos com todas as variáveis explicativas, com base no modelo geral apresentado abaixo, verificando as pressuposições a ele associadas. Esses doze modelos foram encontrados da seguinte forma: retirou-se do banco de dados todos os valores correspondentes a um ano para que servissem de validação. Após a determinação do modelo, esses dados eram acrescentados ao banco de dados e os valores referentes a outro ano eram retirados e um novo modelo encontrado e assim sucessivamente para todos os anos do período considerado. O modelo geral ( Yˆg 2 ) para o segundo conjunto de variáveis é mostrado abaixo.. Yˆg 2 = βˆ0 + βˆ 1 max + βˆ 2 min + βˆ 3 UR9 + βˆ 4 UR15 + βˆ 5 UR21 + βˆ 6 Ia + βˆ 7 prtol + βˆ 8 velvent + βˆ 9 NDPP + βˆ 10 tm + βˆ 11 med(1) + βˆ 12 med(2) + βˆ 13 urmed(1) + βˆ 14 urmed(2) + βˆ 15 insol(1) + βˆ 16 insol(2) + βˆ17 prtol(1) + βˆ18 prtol(2) + βˆ19 prtol(3) + βˆ20 prtol(4) + βˆ21 prtol(5) . Após, retirou-se os dados equivalentes aos anos de 2003 e 2004, para validação, encontrando dessa forma outro modelo e, também, dividiu-se o banco em duas partes: uma parte continha os anos de 1993 a 1998, onde se encontrou um modelo e sua validação foi realizada com os dados de 1999 a 2004; a outra parte continha os dados de 1999 a 2004 e a validação do modelo determinada, por ela, foi com os dados de 1993 a 1998. Com isso foram avaliados um total de 30 modelos, 15 para o primeiro conjunto de variáveis e 15 para o segundo conjunto de variáveis. Para a verificação das pressuposições e avaliações das variáveis significativas foi adotado um nível de significância (α) de 5%. Para selecionarmos o conjunto de variáveis independentes a serem consideradas no modelo entre todas as variáveis selecionadas, pode-se utilizar as seguintes técnicas: regressão por etapas que consiste na construção iterativamente de uma seqüência de modelos de regressão pela adição ou remoção de variáveis em cada etapa. O critério para adicionar ou. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(33) 32. remover uma variável em qualquer etapa é geralmente expresso em termos de um teste parcial F; seleção progressiva (stepwise)que está baseada no princípio de que os regressores devem ser adicionados ao modelo, um de cada vez, até que não haja mais candidatos a regressor que produzam aumento significante na soma quadrática da regressão. A escolha entre os modelos estimados foi realizada tomando por base, juntamente, os seguintes critérios: -. Erro quadrado médio de previsão (EQMP): uma maneira de medir a capacidade preditiva atual do modelo de regressão selecionado é usar este modelo para predizer cada caso dos dados novos e então calcular o quadrado médio dos erros de previsão, denotado pelo dado (NETER et al., 1996): n*. EQMP =. ∑ (Yi − Yˆi )2. i =1. (3.3). n*. Em que: Yi é o valor da variável resposta no i-ésimo caso de validação; ˆ é o valor predito para o i-ésimo caso de validação baseado no modelo Y i. construído para os dados; n* é o número de casos utilizados para a validação.. -. O coeficiente de determinação ajustado (R2a) para o número de parâmetros da regressão é dado por (Montgomery; Runger, 2003): R 2 = 1− a. n −1 (1 − R 2 ) n−p. (3.4). em que: n é o número de observações; p é o número de parâmetros estimados R2 é o coeficiente de determinação múltipla.. F =. QM Re g QM Re s. -. A estatística Fc dada por:. -. Erro padrão de estimativa (EPE): é a medida da variabilidade em torno da linha de. c. (3.5). regressão (seu desvio padrão) e é definido como: EPE = QME. em que: QME é o quadrado médio do erro.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.

(34) 33. -. Coeficiente de correlação múltiplo (R): é a raiz quadrada positiva do coeficiente de determinação múltiplo, sendo útil na regressão linear múltipla para descrever o relacionamento entre as variáveis.. -. Parcimoniosidade nos parâmetros (PP): deve-se escolher, preferencialmente, os modelos com um número menor de parâmetros.. Para cada um dos critérios descritos acima, foi determinado um posto em cada modelo ajustado, onde valor menor do posto foi dado ao melhor ajuste para aquele critério. Foi considerado o melhor modelo o que possui a menor soma de postos. Com a informação do local de ocorrência da queimada foram verificados quais os de maior número de ocorrências, criando assim um mapa de maior incidência de queimadas acidentais. Esses dados foram agrupados por bairro, conforme a divisão vigente no município de Santa Maria – RS em 2005. Após foram obtidos os quartis dessa variável estabelecendo que os bairros abaixo do 1º quartil estavam na faixa de pouca chance de ocorrência de queimadas acidentais, os bairros entre o 1º e o 3º quartil numa faixa média e acima do 3° quartil estavam em uma faixa com grandes chances de ocorrência de queimadas em campo. Essas faixas foram representadas no mapa do município, sendo que os bairros com poucas chances de ocorrência de queimadas foram marcados pela cor verde, os de médias chances de ocorrência de queimadas, marcados de amarelo e os bairros com grandes chances de ocorrência de queimadas acidentais foram coloridos de vermelho.. PDF criado com versão de teste do pdfFactory. Para comprar, acesse www.divertire.com.br/pdfFactory.